阿里万相视频生成大模型宣布开源：8.2GB 显存就能跑，测试超越 Sora

绥化市新闻中心app 苏州市消防宣传app 衢州市警务app 昭通市申建app 林芝市政要信息app 崇左市学校app 绥化市税务局app 厦门市安全宣传app 南阳市便民app 随州市申建app 焦作市公正处app 清远市残联救助app 苏州市台风信息app 长沙市旅游监督app 吉林市政府公报app 十堰市学校app 蚌埠市电力app 临澧县铁路管理app 全州县环境保护协会app 莲花县历史记录app 兴山县最新新闻app 合阳县残联救助app 行唐县招标信息app 芮城县国土信息app 莘县土木工程app 喀喇沁左翼蒙古族自治县政要信息app 武山县政务监督app 兴文县风力发电app 淳安县风力发电app 泰和县未成年保护协会app 新绛县应急管理app 阜平县财政信息app 和顺县论坛app 德庆县第四中学app 民和回族土族自治县台风监控中心app 桦南县第五高中app 屏东县公共文化服务app 确山县数据管理局app 江安县新闻中心app

本站 2 月 25 日消息，阿里云今日宣布旗下视觉生成基座模型万相 2.1（Wan）开源。

此次开源采用最宽松的 Apache2.0 协议，14B 和 1.3B 两个参数规格的全部推理代码和权重全部开源，同时支持文生视频和图生视频任务，全球开发者可在 Github、HuggingFace 和魔搭社区下载体验。

据介绍，14B 万相模型在指令遵循、复杂运动生成、物理建模、文字视频生成等方面表现突出，在评测集 VBench 中，万相 2.1 以总分 86.22% 的成绩超越 Sora、Luma、Pika 等国内外模型，位列榜首。1.3B 版本测试结果不仅超过了更大尺寸的开源模型，甚至还接近部分闭源模型，同时能在消费级显卡运行，号称“仅需 8.2GB 显存就可以生成 480P 视频”，适用于二次模型开发和学术研究。

万相视频模型架构图

在算法设计上，万相基于主流 DiT 架构和线性噪声轨迹 Flow Matching 范式，研发了高效的因果 3D VAE、可扩展的预训练策略等。以 3D VAE 为例，为了高效支持任意长度视频的编码和解码，万相在 3D VAE 的因果卷积模块中实现了特征缓存机制，从而代替直接对长视频端到端的编解码过程，实现了无限长 1080P 视频的高效编解码。此外，通过将空间降采样压缩提前，在不损失性能的情况下进一步减少了 29% 的推理时内存占用。

万相团队的实验结果显示，在运动质量、视觉质量、风格和多目标等 14 个主要维度和 26 个子维度测试中，万相均达到了业界领先表现，并且斩获 5 项第一。

本站附开源地址：

Github：https://github.com/Wan-Video

HuggingFace：https://huggingface.co/Wan-AI

魔搭社区：https://modelscope.cn/organization/Wan-AI